对患有质母细胞瘤的患者进行个性化生存预测和手术建议
Enzhao Zhu1, Jiayi Wang1, Qi Jing2
1School of Medicine, Tongji University, Shanghai, China.
Frontiers in medicine
|May 24, 2024
概括
这项研究引入了一种机器学习模型,即平衡决策组合 (BDE),以个性化质母细胞瘤 (GBM) 手术建议,显著改善患者的生存结果并指导切除的最佳程度. 该模型将特定的瘤位置和大小确定为更好的手术建议的关键因素.
科学领域:
- 神经瘤学神经瘤学
- 机器学习在医学中的应用
- 手术决策支持手术决策支持
背景情况:
- 质母细胞瘤 (GBM) 治疗缺乏个性化证据来选择手术.
- 个性化治疗建议对于优化患者的治疗结果至关重要.
研究的目的:
- 使用机器学习为GBM患者制定个性化的治疗建议.
- 评估人口和瘤特征对切除程度的影响.
- 评估机器引导手术推的生存益处.
主要方法:
- 拟议的平衡决策集 (BDE) 用于生存预测和个性化治疗效果 (ITE) 估计.
- 开发了深度学习 (DL) 模型,用于对GBM患者ITE的反事实预测.
- 使用逆概率治疗权重 (IPTW) 进行可靠的生存分析.
主要成果:
- BDE表现出优于推的效果,限制平均存活时间 (dRMST) 的显著差异为5.90 (95% CI,4.40-7.39).
- 建议使用 (Rec.) 基于模型指导的组,表现出更好的生存结果 (HR:0.71;95% CI,0.65-0.77).
- 经IPTW调整的分析证实了Rec的生存率有所改善. 一个小组,一个小组.
结论:
- 计算ITE的方法对于有效的治疗建议至关重要.
- 机器引导的建议显著提高了生存时间,并降低了GBM患者的死亡率.
- 患有前和中叶瘤的患者,以及较大的瘤大小,是以此模型为指导的手术切除的最佳候选人.
